Harper项目中的词性处理优化：名词与代词的区分重构

在自然语言处理工具Harper的开发过程中，我们发现了一个关于词性分类的重要架构问题。项目原本将代词(pronoun)简单归类为名词(noun)的子类型，这种设计虽然简化了初期实现，但实际语言分析中暴露了诸多语法特性不匹配的问题。

问题本质

语言学中存在一个更精确的术语——名词性成分(nominal)，这是涵盖名词和代词的上位概念。两者虽然都能充当名词性短语的核心(head)，但在语法表现上存在关键差异：

1. 所有格形式：名词通过后缀-'s构成所有格(如"Earth's")，而代词的所有格形式实为限定词(如"my")或独立所有格代词(如"mine")
2. 语法范畴：只有名词具有"专有(proper)"属性，而代词具有人称(person)等独特特征
3. 句法功能：名词性所有格前置修饰("man's hat")，而代词所有格形式可能独立充当成分("The hat is mine")

技术重构方案

通过#731提交的修复方案，我们实现了以下架构改进：

1. 建立三级分类体系：

   • 基础层：名词性成分(nominal)抽象基类
   • 派生层：具体名词(noun)和代词(pronoun)子类
   • 共享属性：数(singular/plural)等共性特征

2. 所有权处理解耦：

   • 名词所有格处理保持原逻辑
   • 代词所有格细分为：
     • 限定词型("your book")
     • 独立型("the book is yours")
     • 特殊处理第三人称单数缩略("it's" vs "its")

3. 类型检查强化：

   • 原"isNoun()"检查替换为"isNominal()"
   • 新增显式的"isPronoun()"断言
   • 语法规则中明确区分需要名词性成分/严格名词的场景

技术影响分析

这一改进带来了多重收益：

1. 代码可维护性：消除了原先通过noun.pronoun属性进行的隐式判断
2. 语法分析准确性：正确区分了类似"its"(所有格)和"it's"(缩略)的易混淆结构
3. 贡献者体验：符合语言学理论的设计降低了新贡献者的认知负担

最佳实践建议

基于此次重构经验，我们建议NLP系统设计时注意：

1. 语言单位的分类应严格遵循语言学理论
2. 共享特性应通过显式的抽象层级实现
3. 容易混淆的语言现象(如所有格形式)应建立防御性编程检查

该架构改进使Harper在保持轻量级的同时，提升了语法分析的严谨性，为后续实现更复杂的语义分析功能奠定了坚实基础。